Analisis Sentimen Ulasan Aplikasi Buzzbreak Menggunakan Metode Naïve Bayes Classifier pada Situs Google Play Store

Abstract

Buzzbreak merupakan salah satu aplikasi baru yang terdaftar pada situs google play store yang dibuat pada tahun 2019 dimana aplikasi ini dapat menghasilkan uang dengan cara menukarkan point melalui hasil membaca berita dan melihat video pada laman aplikasi tersebut. Point yang telah ditukarkan dapat langsung masuk ke dalam saldo rekening pengguna terkait yang telah terdaftar. Aplikasi Buzzbreak mulai diminati pada saat Covid-19 mulai muncul di Indonesia. Hal tersebut dikarenakan aplikasi Buzzbreak membawa terobosan baru hanya dengan melihat video dan membaca berita, pengguna smartphone dapat mendapatkan uang. Aplikasi Buzzbreak mendapatkan banyak ulasan dari penggunanya baik ulasan yang ke arah positif atau negatif, sehingga hal tersebut dapat membuat pengguna baru yang ingin mengunduh kesulitan dalam menyimpulkan ulasan apakah yang paling dominan didapatkan oleh aplikasi Buzzbreak. Oleh karena itu, untuk memberikan informasi terkait dominan ulasannya positif atau negative, maka diperlukan suatu analisis yaitu menggunakan metode Naïve Bayes Classifier serta akan dilakukan juga anilisis terhadap kata-kata yang paling sering muncul dari masing-masing sentimen yang akan divisualisasikan melalui wordcloud. Ulasan didapatkan melalui crawling data pada situs google play store. Hasil yang didapatkan dari penelitian ini adalah review yang diberikan oleh pengguna Buzzbreak mengarah ke sentimen positif, serta berdasarkan visualisasi wordcloud, term yang paling sering muncul pada sentimen positif adalah “bagus” dan term yang paling sering muncul pada sentimen negatif adalah “jelek”. Hasil analisis ketepatan klasifikasi menggunakan naïve bayes classfier adalah data training dengan split ratio 70%:30% dengan nilai AUC sebesar 76,52% dan pada data testing split ratio 90%:10% di mana nilai AUC sebesar 79,34% dapat diartikan bahwa tingkat akurasi klasifikasinya sedang.